python - SQLAlchemy 使用生成器执行许多

Question

问题:对于连接对象的执行函数，是否可以使用返回字典而不是字典列表的生成器来执行“executemany”插入？

详细信息:我正在尝试通过 core expressions 学习 SQLAlchemy .作为测试，我有一个相当大的数据集，通过迭代器从文件访问，我试图将其传输到 PostgreSQL 表中，但插入单个行的速度非常慢(请参见下面的示例 1)。根据documentation , 连接对象的 execute()函数将执行相当于 executemany() 的操作如果传入字典列表而不是单个字典。我做了一些快速测试，确实这种方法对于插入组要快得多。不幸的是，对于我的大数据集，我无法在内存中创建完整的字典列表，因此我的问题...

示例 1:以下(伪)代码对于大量数据非常慢

from sqlalchemy import MetaData, Table, Column

metadata = MetaData()
data = Table('data', metadata, Column...)

engine = sql.create_engine('postgresql://user:pass$@localhost/testdb')
metadata.create_all(engine)

conn = engine.connect()
ins = data.insert()
for datum in large_data_iterator:
    datum_dict = do_some_proc(datum)
    conn.execute(ins, datum_dict)

因为 execute 可以取多个值，所以最好替换最后的 for使用以下生成器版本循环:

def datagen(iterator):
    for datum in large_data_iterator:
        datum_dict = do_some_proc(datum)
        yield datum_dict

conn = engine.connect()
ins = data.insert()
conn.execute(ins, datagen(large_data_iterator))

但是，这会引发以下异常:AttributeError:'list' object has no attribute 'keys'。

有谁知道生成器版本是否可以正常工作？或者更好的方法来做到这一点也很棒。谢谢!

注意:我测试了一个修改过的生成器表达式，它以字典列表的形式生成 block (如下)，它比单独执行更快。但是，我不知道如何选择最佳的 block 数，而且我担心生成器代码的复杂性会使其更容易出错。 (但如果这是唯一的方法......)

def datagen(iterator):
    output = []
    N = 0
    for datum in large_data_iterator:
        datum_dict = do_some_proc(datum)
        output.append(datum_dict)
        N += 1
        if N == 100: # or whatever
            yield output
            N = 0
            output = []
    if output != []:
        yield output

Answer 1

有execution_options对于 Connection，它采用 stream_results 参数，但不幸的是在底部它说“该标志当前仅被 psycopg2 方言理解”，即使还有其他支持流式传输的驱动程序(例如 oursql)。

在sqlalchemy完全支持之前，可以很方便的写一个辅助函数给break any iterable into chunks以避免修改生成器的错误倾向。